مستندات

صدا

متن به گفتار (پاسخ فایل صوتی) و گفتار به متن (آپلود multipart).

متن به گفتار

POSThttps://iranrouter.com/v1/audio/speech

bash

curl https://iranrouter.com/v1/audio/speech \
  -H "Authorization: Bearer ir-..." \
  -H "Content-Type: application/json" \
  -d '{"model": "openai/tts-1", "input": "سلام، این یک تست است", "voice": "alloy"}' \
  --output out.mp3

پاسخ یک فایل صوتی است، نه JSON — پس هزینه و شناسهٔ درخواست در هدر می‌آیند: x-cost-rial و x-request-id. هزینه بر اساس متنی است که فرستادید، چون پاسخ صوتی هیچ شمارشی با خودش ندارد.

گفتار به متن

POSThttps://iranrouter.com/v1/audio/transcriptions

POSThttps://iranrouter.com/v1/audio/translations

bash

curl https://iranrouter.com/v1/audio/transcriptions \
  -H "Authorization: Bearer ir-..." \
  -F file=@voice.mp3 \
  -F model=openai/whisper-1 \
  -F language=fa

درخواست multipart/form-data است و فایل شما دست‌نخورده به ارائه‌دهنده می‌رسد؛ فقط نام مدل به نامی که ارائه‌دهنده می‌شناسد تبدیل می‌شود.
فیلد model اجباری است. اگر نباشد، پاسخ ۴۰۰ است — و باید قبل از فایل در فرم بیاید، همان‌طور که همهٔ SDKها می‌فرستند.
رزرو کیف پول از روی حجم فایل تخمین زده می‌شود و بعد از پاسخ با ثانیه‌های واقعی تسویه می‌شود.

هر دو مسیر با Idempotency-Key سازگارند — توضیحش در Embeddings.